TEMPO: Scaling Test-time Training for Large Reasoning Models

评分 7 · 来源：cs.LG updates on arXiv.org · 发布于 2026-04-22

评分依据：解决现有TTT方法在LRM上快速 plateau的问题，通过外部校准防止自生成奖励漂移。test-time compute方向重要进展

TTT 的 plateau 问题

Test-time training (TTT) 能在推理时扩展模型能力，但现有LRM的TTT方法：

• 快速 plateau：无法从额外 test-time compute 中获益
• 奖励漂移：自生成奖励信号随策略演化逐渐偏离

TEMPO 方案

• 引入外部校准机制防止奖励漂移
• 使TTT突破 plateau 继续提升
• 充分利用额外的 test-time budget

意义

属于test-time compute方向的重要进展，对推理时计算 scaling laws 有贡献。